Detección de retinopatía diabética con calibración de incertidumbre
Visión general
De qué trata este proyecto.
Entrena un modelo ViT con retinografías, calibra incertidumbre y diseña un umbral de revisión humana. Obtén un certificado verificable.
El escenario
La red (~110 personas clínicas, ~9 sedes) opera bajo el sistema de salud colombiano y ecuatoriano; cualquier modelo que entre en flujo clínico debe sobrevivir a la revisión del comité de ética y demostrar que NO genera falsos negativos en pacientes diabéticos.
El Briefing
Lo que harás y lo que demostrarás.
Clasificar retinopatía diabética con calibración de incertidumbre tal que el 25% más incierto pase a humano y los casos retenidos por la máquina alcancen sensibilidad clínica superior al 95% para retinopatía moderada o peor.
Earning criteria — what you'll demonstrate
- Aplicar Vision Transformers o redes convolucionales modernas a clasificación de imagen médica
- Calibrar incertidumbre con Monte Carlo Dropout o ensembles y leer un reliability diagram
- Diseñar una política human-in-the-loop (humano en el bucle) con umbral defendible
- Reportar resultados clínicos con vocabulario que una persona médica pueda firmar
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Visual Intelligence and Visual Reasoning
Master · Computer Vision
Strong alignment
This challenge maps to Visual Intelligence and Visual Reasoning at the Master level. It sharpens the same practical skills your coursework expects — but in a real industry context with actual constraints and deliverables.
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
- Medical Image Classification
Apply medical image classification to solve real industry problems and demonstrate production-level capability.
- Uncertainty Calibration
Apply uncertainty calibration to solve real industry problems and demonstrate production-level capability.
- Vision Transformers
Apply vision transformers to solve real industry problems and demonstrate production-level capability.
- Model Evaluation
Apply model evaluation to solve real industry problems and demonstrate production-level capability.
- Human In The Loop
Apply human in the loop to solve real industry problems and demonstrate production-level capability.
- Pytorch
Apply pytorch to solve real industry problems and demonstrate production-level capability.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Applied AI Scientist
Llevar un modelo de imagen médica desde investigación hasta un protocolo clínico defendible es el trabajo cotidiano de una persona Applied AI Scientist en salud digital — incluye calibración, sensibilidad por clase y diseño de derivación humana.
Este proyecto afina
- medical-image-classification
- uncertainty-calibration
- model-evaluation
ML Researcher
El diseño experimental con particiones estratificadas, calibración y comparación honesta de cabezas de incertidumbre refleja el rigor que se espera del primer proyecto de una persona investigadora junior.
Este proyecto afina
- uncertainty-calibration
- vision-transformers
- model-evaluation
AI Safety Researcher
Diseñar el umbral human-in-the-loop con foco en NO perder positivos clínicos es precisamente el tipo de razonamiento de seguridad que se aplica en sistemas de IA de alto riesgo.
Este proyecto afina
- human-in-the-loop
- uncertainty-calibration
- model-evaluation